[发明专利]一种基于光照分解的海上雾天图像去雾方法

说明书

本发明公开了一种基于光照分解的海上雾天图像去雾方法。该去雾方法包括四部分内容：基于约束的图像光照分解，将散射模型中产生场景散射光的大气光强视为一个空域变量，根据梯度和亮度上的约束，对输入雾气图像进行迭代分解，得到雾气图层和散射光图层(S1)；基于雾气图层去雾，根据雾气图层信息，计算大气光强和透射率，并获得初步去雾图像(S2)；基于初步去雾图像纹理信息的散射光图层的重映射，计算初步去雾图像纹理系数，对散射光图层进行纹理恢复(S3)；基于亮度补偿的图像增强，利用初步去雾图像与纹理恢复的散射光图像进行叠加获得最终去雾图像(S4)。本发明方法所得到的海上去雾图像清晰自然，保真效果好。

技术领域

本发明涉及一种图像增强方法，尤其涉及一种基于光照分解的海上雾天图像去雾方法，属于数字图像处理技术领域。

背景技术

室外监控视频所采集的图像的质量会受到恶劣天气的影响而剧烈下降。例如，在雾天与阴霾天，空气中大量的悬浮颗粒会导致采集的图像对比度下降，可视度降低，目标模糊等问题，这些问题会极大程度上影响监控系统的正常使用。所以人们一直致力于使用图像增强的算法来提高图像对比度。

其中基于雾天散射光模型的去雾算法因为符合雾天成像原理可以获得较自然的去雾效果。散射光模型提出大气粒子的散射效应会导致场景反射光的衰减和产生大气散射光，从而导致观测目标与场景背景的对比度减小。而散射效应的强度与场景深度和大气光强有关。所以一旦能够精确估计场景中的这两个物理量，就可以根据散射光模型消去雾天对图像带来的影响，得到清晰自然地无雾图像。

在过去的多年里，人们一直倾向于使用辅助信息或者是多幅图像来估计场景景深和大气光强。而近年来人们提出了一些适用于雾天场景深度估计的先验或模型，使得单幅图像去雾技术得到了很好的发展。其中的代表性研究主要包括：最大化局部对比度先验，暗原色先验，色彩退化模型，多特征融合的深度学习模型等。这些方法对于陆上雾天图像的处理都可以取得很好的去雾效果，也存在着一些限制条件。

基于无雾图像的对比度高于雾气图像对比度的先验，通过最大化图像块状区域对比度方法可以得到雾天图像的场景深度。这种最大化局部对比度方法虽然可以获得对比度最大的去雾图像，但是容易导致去雾图像过增强而产生偏色；暗原色先验是自然无雾图像中每个块状区域中的最小值都接近于0的统计知识，通过暗原色的统计可以得到雾气图像中散射光大小，并估计出场景深度，获得高保真的去雾图像。但是对于不符合暗原色先验的高亮度区域，暗原色方法容易导致去雾图像失真；基于雾气图像的亮度，色调与场景深度呈线性关系的统计知识，通过雾气图像的颜色和亮度可以估计出场景深度，但这种颜色退化方法不适用于颜色单调的场景；而基于深度学习方法需要大量的室外无雾图像与雾气图像样本进行训练，采集样本的质量和分布都会影响去雾的结果，在实际应用中存在困难。

由于海上雾气场景中大气散射效应使得天空入射光存在衰减，会导致大气中不同位置处的光照亮度存在差异，所以海上雾气场景中散射光分布更复杂。场景中的散射光的强度不止受到场景深度的影响，还受到变化的大气光强的影响。

而传统散射模型中大气光强为全局常量，所以基于传统散射光模型的方法在处理海上的雾气图像时，均存在大气散射光和场景深度估计失准的问题。

在此背景下，基于大气光学，研究一种更为符合海上雾天的散射光模型的海上雾天图像去雾方法具有重要意义。

发明内容

根据本发明的一个方面，提供了一种基于光照分解的海上雾天图像去雾方法，其特征在于包括：

A)将散射模型中产生场景散射光的大气光强视为一个空域变量，由此将原图视为两个部分之和：一个恒定大气光强值的雾气图层和一个由大气光强的变化分量所产生的散射光图层；根据雾气图层和散射光图层的梯度和亮度上的约束，对输入雾气图像进行迭代分解，得到两个图层即雾气图层F和散射光图层G；